Я немного растерялся, когда применяю скрытое выделение дирихле и анализ главных компонентов.
Оказывается, я занимаюсь проектом и не знаю, возможно ли применять такого рода методы .
Я делаю детектор объектов (номерной знак транспортного средства), используя предварительно обученные сверточные нейронные сети, он имеет только 1 класс, я использую deteron2 framework , набор данных, который я получаю непосредственно из открытых изображений (с этой страницы он доставляет файл .csv, я занимаю только то, что необходимо в качестве имени и координат), я даю их в структуру, набор данных в формате COCO ( аналогично моему формату ), который поставляется в виде файла json, который содержит 4 координаты расположения квадрата патентной таблички, высоты и ширины, местоположения изображения и соответствующего идентификатора:
Во многих уроках я видел, что они являются методами уменьшения размерности набора данных, однако я минимальное количество столбцов. И я больше не могу уменьшить его из-за структуры и конфигурации формата набора данных COCO.
Так что это мой большой вопрос, может ли такой метод, как PDA или LDA, быть применен в среде, в которой я работаю?
Может быть, я запутался в концепциях, любая помощь приветствуется.